Article Per Year (5 Year)
p-Index From 2021 - 2026
1.908
P-Index
This Author published in this journals
All Journal Teknotan: Jurnal Industri Teknologi Pertanian Jurnal Ilmiah Informatika Komputer UG Journal Prosiding KOMMIT Jurnal Ilmiah KOMPUTASI Prosiding SeNTIK STI&K
Lulu Mawaddah Wisudawati
Universitas Gunadarma
Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Health Professions Languange, Linguistic, Communication & Media Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Ilmiah Informatika Komputer

 1 
KLASIFIKASI TUMOR JINAK DAN TUMOR GANAS PADA CITRA MAMMOGRAM MENGGUNAKAN GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN SUPPORT VECTOR MACHINE (SVM) Wisudawati, Lulu Mawaddah
Jurnal Ilmiah Informatika Komputer Vol 26, No 2 (2021)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2021.v26i2.4897

Abstract

Kanker payudara merupakan penyebab utama kematian pada wanita. Data Global Cancer Observatory 2018 dari World Health Organization (WHO, 2020) menunjukkan kasus kanker yang paling banyak terjadi di Indonesia adalah kanker payudara, yakni 58.256 kasus atau 16.7% dari total 348.809 kasus kanker. Mamografi merupakan teknik yang paling umum digunakan dalam mendeteksi tumor payudara menggunakan sistem sinar-X dosis rendah. Ada beberapa tipe abnormalitas dalam citra mammogram, yaitu mikrokalsifikasi dan massa. Penelitian ini bertujuan untuk meningkatkan performa sistem Computer-Aided Diagnosis (CAD) dalam mengklasifikasi tumor jinak dan tumor ganas dengan mengembangkan metode ekstraksi fitur menggunakan Gray Level Co-Occurrence Matrix (GLCM) dan metode klasifikasi menggunakan Support Vector Machine (SVM). Uji coba dilakukan dengan menggunakan database DDSM dengan 256 citra abnormal (95 tumor jinak dan 161 tumor ganas) menghasilkan nilai akurasi sebesar 83.59% dengan nilai sensitivitas dan spesifisitas 87.58% dan 76.84%. Selain itu, didapatkan nilai AUC sebesar 0.98%. Metode tersebut menunjukkan bahwa sistem memberikan hasil performa yang baik dalam mengklasifikasi tumor jinak dan tumor ganas.
ANALISIS SENTIMEN TERHADAP TWIT MAXIM PADA TWITTER MENGGUNAKAN R PROGRAMMING DAN K NEAREST NEIGHBORS Muhamad Trian Diwandanu; Lulu Mawaddah Wisudawati
Jurnal Ilmiah Informatika Komputer Vol 28, No 1 (2023)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2023.v28i1.7909

Abstract

Usaha transportasi saat ini sudah banyak yang berbasis online dalam pelayanannya seperti pemesanan, pembayaran dan pemberian ulasan. Salah satu jasa transportasi online yang sudah ada di Indonesia yaitu Maxim. Masyarakat biasanya memberikan opini mereka terhadap layanan yang diberikan oleh Maxim melalui Twitter. Twit yang ditulis oleh masyarakat pengguna Twitter merupakan sumber data yang valid untuk dilakukan analisis sentimen. Tujuan penulisan ini adalah melakukan analisis sentimen terhadap twit maxim pada Twitter. Metode klasifikasi analisis sentimen pada penulisan ini menggunakan K Nearest Neighbors (KNN) untuk mengklasifikasi data serta Lexicon-Based sebagai penetap sentimen positif, negatif dan netral. Tahapan awal pada analisis sentimen ini yaitu tahap pengambilan data, pre-processing, yang terdiri dari Filtering & Casefolding, perbaikan kata tidak baku, mengubah kata bernegasi, Stopword Removal dan penghapusan spasi berlebih. Setelah itu, dilakukan pelabelan data dan pemberian skor menggunakan metode Lexicon Based. Dataset hasil dari pre-processing dan Lexicon Based digunakan untuk proses klasifikasi menggunakan KNN. Hasil terbaik didapatkan menggunakan data latih 80% sebanyak 702 data dan data uji 20% sebanyak 175 data dengan k=1 dengan akurasi sebesar 95,43%.
ANALISIS USER EXPERIENCE PADA APLIKASI GET CONTACT MENGGUNAKAN METODE HEURISTIC EVALUATION Fhinka Hanifah; Lulu Mawaddah Wisudawati
Jurnal Ilmiah Informatika Komputer Vol 28, No 3 (2023)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2023.v28i3.9192

Abstract

Pada bidang teknologi komunikasi penggunaan telepon atau SMS membantu dalam proses pengiriman pesan secara online. Get Contact merupakan sebuah aplikasi "Penyekat Spam" dan "Maklumat Pemanggil" untuk pengguna. Get Contact menapis panggilan yang mengganggu dan hanya membenarkan orang yang pengguna pilih untuk berkomunikasi dengan pengguna lainnya. Pengguna dapat mengenal panggilan diterima daripada nomor-nomor yang tidak didaftarkan dalam kenalan. Get Contact memberitahu dengan segera jika pengguna mendapat panggilan yang tidak diinginkan. Supaya pengguna mendapat perlindungan dari panggilan-panggilan robot, jurujual telefon dan panggilan-panggilan scam.. Pada penelitian ini, penulis melakukan analisis user experience pada aplikasi Get Contact dengan memperhatikan dari segi desain antarmuka dan segi pengalaman pengguna atau bisa juga disebut user interface dan user experience. Metode yang digunakan untuk analisis ini adalah Metode Heuristic Evaluation berdasarkan 10 prinsip milik Jacob Nielsen. Penelitian ini mengumpulkan data responden yang terdiri dari 20 pernyataan dan telah dibagikan kepada 100 responden yang menggunakan aplikasi Get Contact. Dalam pengolahan data penulis menggunakan Software IBM SPSS untuk melakukan pengujian validitas dan reliabilitas dari data responden. Hasil perhitungan mengunakan rumus deskriptif persentase menunjukan usability aplikasi Get Contact berdasarkan 10 prinsip Heuristic milik Jacob Nielsen masuk dalam kategori sangat baik mendapatkan nilai persentase usability sebesar 86.9% . Terdapat beberapa rekomendasi perbaikan salah satunya perbaikan tampilan pada halaman utama dengan menerapkan dua warna pada menu yang memiliki maksud dan kegunaan berbeda, dan terdapat perbaikan lainnya, dimana perubahan icon serta tata letak pada halaman profile dan halaman utama.
ANALISIS SENTIMEN PADA ULASAN APLIKASI TOKOCRYPTO DENGAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) PADA GOOGLE PLAY Dini Sumartini; Lulu Mawaddah Wisudawati
Jurnal Ilmiah Informatika Komputer Vol 29, No 3 (2024)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2024.v29i3.12915

Abstract

Cryptocurrency is a virtual currency that is used as an alternative currency, where the currency is generated and traded through a cryptographic process. One of the Cryptocurrency digital currency applications is Tokocrypto, a legal means of payment using only rupiah. The sentimen classification method in this study uses Support Vector Machine (SVM) and the parameters are tested extensively by applying the K-fold cross validation technique to find the optimal configuration. The initial stages in this sentimen analysis are the data collection stage, pre-processing, which consists of case folding & cleaning, filtering (stopword removal), tokenizing, changing negated words, normalization and stemming. After that, data labeling and scoring are carried out using the Lexicon Based method. The dataset from pre-processing and Lexicon Based is used for the classification process using SVM. The best evaluation results were obtained with an AUC (Area Under the Curve) of 90.50% and an Accuracy of 85.80% with Linear kernel and parameter C = 1 and using K-fold cross validation value of 10. Visualization of the results of the sentimen analysis of the Tokocrypto Application is displayed in a bar chart and word cloud.
Co-Authors Atmaja, Pungky Hari Wira Dini Sumartini Fadhilah Nur Amaliah Fhinka Hanifah Imam Purwanto Irfan Islamy Jessica Permatasari, Jessica Mahesa Tirta Panjalu Muhamad Trian Diwandanu Muhammad Rizky Danur Muhammad Subali Rehan Ridho Putra Teresa, Teresa